一、去掉相鄰重復的數據行
復制代碼
代碼如下:
$cat data1.txt | uniq
輸出：
beijing
wuhan
beijing
wuhan
二、去掉所有重復的數據行
復制代碼
代碼如下:
$cat data1.txt | sort | uniq
注：
只有uniq命令的話，只是把相鄰的重復的數據行去掉。
如果先 sort 的話，就會把所有重復的數據行變成相鄰的數據行，再 uniq 的話，就去掉所有重復的數據行了。
輸出：
beijing
wuhan
附：data1.txt
復制代碼
代碼如下:
[root@syy ~]# cat data1.txt
beijing
beijing
wuhan
wuhan
wuhan
beijing
beijing
beijing
wuhan
wuhan
注：在過濾日志中的IP地址很有用。
Linux下刪除大數據文件中部分字段重復的行
最近寫的一個數據采集程序生成了一個含有1千多萬行數據的文件，數據由4個字段組成，按照要求需要刪除第二個字段重復的行，找來找去linux下也沒找到合適的工具，sed/gawk等流處理工具只能針對一行一行處理，并無法找到字段重復的行。看來只好自己python一個程序了，突然想起來利用mysql，于是進行乾坤大挪移：
1. 利用mysqlimport --local dbname data.txt導入數據到表中，表名要與文件名一致
2. 執行下列sql語句(要求唯一的字段為uniqfield）
復制代碼
代碼如下:
use dbname;
alter table tablename add rowid int auto_increment not null;
create table t select min(rowid) as rowid from tablename group by uniqfield;
create table t2 select tablename .* from tablename,t where tablename.rowid= t.rowid;</p> <p>drop table tablename;
rename table t2 to tablename;
